WebPilot：用于Web任务执行的通用自主多智能体系统与战略探索
人工智能
2024-08-29 v1
摘要
基于LLM的自主智能体常常无法执行需要动态交互的复杂网页任务，这些环境具有内在不确定性和复杂性。现有的LLM-based网页智能体通常依赖于针对特定状态和动作的刚性、专家设计的策略，这些策略缺乏灵活性和可泛化性，以适应未见的任务。相比之下，人类在探索未知、持续调整策略并通过探索解决模糊问题方面表现出色。为了模拟人类的可适应性，网页智能体需要战略性的探索和复杂的决策。蒙特卡洛树搜索（MCTS）非常适合这一目标，但经典MCTS在面对庞大的动作空间、不可预测的状态转换以及不完整信息时难以胜任。在此基础上，我们开发了WebPilot，一个具有双重优化策略的多智能体系统，用于改进MCTS以更好地处理复杂的网页环境。具体而言，全局优化阶段涉及将任务分解为可管理的子任务并持续细化这些任务，从而聚焦搜索过程，缓解经典MCTS中庞大动作空间的挑战。随后，局部优化阶段使用针对复杂环境设计的定制MCTS执行每个子任务，有效应对不确定性并管理不完整信息。WebArena 和 MiniWoB++ 上的实验结果表明，WebPilot 的有效性尤为突出。值得注意的是，在 WebArena 上，WebPilot 采用 GPT-4 实现了与当前基于树搜索的方法相比的93%相对成功率提升。WebPilot 标志着通用自主智能体能力的重大进展，为在实际环境中实现更先进和可靠的决策铺平了道路。
引用
@article{arxiv.2408.15978,
title = {WebPilot: A Versatile and Autonomous Multi-Agent System for Web Task Execution with Strategic Exploration},
author = {Yao Zhang and Zijian Ma and Yunpu Ma and Zhen Han and Yu Wu and Volker Tresp},
journal= {arXiv preprint arXiv:2408.15978},
year = {2024}
}